章為川，男，1980年9月生，浙江溫州人。現任陜西科技大學電子信息與人工智能學院教授。

教育經歷： 

·訪問學者, 2016.06 – 2016.12, 杜倫大學, 英國 

·訪問學者, 2015.11 – 2016.02, 伯恩茅斯大學, 英國 

·博士，2009.03-2012.12, 信號與信息處理，西安電子科技大學 

·碩士，2003.09-2006.06，信號與信息處理，西南交通大學 

·學士，1999.09-2003.07，電子信息，成都理工大學 

工作經歷： 

·教授，2023.09-至今，陜西科技大學，西安，中國 

·首席科學家，2023.09-至今，青島認知人工智能研究院，青島，中國 

·首席研究員，2023.09-至今，格里菲斯大學，布里斯班，澳大利亞 

·研究員，2019.01-2023.08，格里菲斯大學，布里斯班，澳大利亞 

·特聘教授，2018.01-2022.5，西安工程大學，西安，中國 

·博士后, 2017.01 – 2018.12, CSIRO, 悉尼, 澳大利亞 

·講師, 2013.03 – 2015.07, 西安工程大學 

學術兼職： 

[1] 擔任國家自然科學基金評審專家 

[2] 擔任教育部學位中心論文評審專家 

[3] 擔任 CCF-A 類會議程序委員會委員：IJCAI'22, IJCAI'21, ACM MM'21. 

[4] 擔任 CCF-A/B 類學術期刊審稿人：《International Journal of Computer Vision》、 《IEEE Transactions on Image Processing 》、《Pattern Recognition》、《Computer Vision and Image Understanding》、 《IEEE Transactions on Circuits and Systems for Video Technology 》、《IEEE Signal Processing Letters 》、《Pattern Recognition Letters》、《Neurocomputing》、《IET Image Processing》

主要研究內容：

圖像局部特征提取理論研究及其在計算機視覺和模式識別任務中應用, 如圖像配準、3D重建、圖像壓縮、超聲圖像增強、心腦血管中的血斑檢測、腦膠質瘤圖像分割、圖像分類、植物病蟲害檢測。

科研項目 

[1] 主持橫向項目：基于AIcodec的下一代圖像視頻編解碼技術方案及算法研究，120萬，2023-2026. 

[2] 主持國家自然科學基金 (No. 61401347)：基于多尺度各向異性高斯核的圖像高分辨率邊緣檢測，25萬，2014~ 2016. 

[3] 主持陜西省面上項目 (No, 2016JM6013)：基于多尺度各向異性高斯核的圖像高分辨率局部特征檢測及分類 理論和方法，10萬，2014-2015. 

研究成果： 

本人近五年的科研主要聚焦圖像局部特征提取設計、局部特征數學解析表達式的構建、圖像壓縮、圖像分割、小樣本細粒度圖像分類等理論方法研究與應用系統設計，取得系列原創性研究成果，并且在解決“圖像興趣點（corner和blob）特征信息提取及檢測”領域的相關技術和理論瓶頸問題中做出了重大貢獻 。基于所提出理論框架和檢測算法，在《IEEE Transactions on Pattern Analysis and Machine Intelligence Transactions 》、《International Journal of Computer Vision》、《IEEE Transactions on Image Processing》、《Pattern Recognition》 等中科院一區TOP 期刊共計發表學術論文80余篇，其中SCI 論文31 篇、EI 論文 30余篇，授權國家發明專利2 項。此外，主持過一項國家自然科學基金和一項陜西省面上項目。所研究的理論和技術框架及其主要貢獻總結如下： 

(1)為解決目前興趣點檢測算法無法在圖像仿射變換條件下準確檢測到興趣點的問題，建立角點、邊緣、和blob的模型，利用一階和二階高斯方向導數濾波器推導得到角點、邊緣、和blob在高斯方向導數下的數學解析表達式及其物理特性，提出完整的圖像局部特征的提取方案，建立了尺度及仿射不變的卷積神經網絡的特征信息提取，實現在圖像仿射變換條件下興趣點檢測的魯棒性。相關成果已形成學術論文16篇，其中11篇發表在TPAMI 、IJCV、TIP、PR等中科院一區 TOP 期刊。該技術可以很好的應用于圖像配準、3D重建、圖像斑塊檢測、血管內的血斑檢測、植物病蟲害檢測等計算機視覺任務；相關方法和成果被牛津大學、悉尼大學、悉尼科技大學、約翰霍普金斯大學、和捷克理工大學等頂尖高校學者在多篇論文中多次引用和高度評價。此外，我們發表在TIPMI 、IJCV、和TIP期刊上理論成果證明了目前大學、研究生圖像處理教科書及主流的圖像局部特征提取技術 (例如，Harris算法和SIFT算法) 存在重大理論缺陷，并提出了新的理論框架。 

(2)為解決在噪聲條件下的圖像邊緣檢測定位不準確、相鄰邊緣和十字交叉無法準確檢測 

得到的問題，提出了從圖像邊緣自身出發對局部鄰域建模的邊緣特征提取方法，為噪聲條件下的圖像邊緣表征 、相鄰邊緣、十字交叉邊緣檢測問題提供一系列有效的解決方案。基于相關成果在《IEEE Transactions on Image Processing》、《Pattern Recognition》等中科院一區TOP 期刊發表論文6篇。并且我們發表在TIP上的文章證明了目前大學圖像處理教材中的離散曲率計算公式存在重大理論缺陷，并提出了一個新的離散曲率計算解析表達式及架構。此外，我們用圖像局部特征數學解析表達式證明了著名算法“He, Kaiming, Jian Sun, and Xiaoou Tang，Guided image filtering，IEEE Transactions on Pattern Analysis and Machine Intelligence 35.6 (2012): 1397-1409.”存在重大的理論缺陷，并提出了自適應圖像濾波，該成果擬投稿至TPAMI。 

(3)為解決小樣本細粒度圖像訓練模型無法有效提取表征問題，提出了多重視覺干擾信息強耦合條件下的特征空間解耦和表征學習網絡模型，實現了在小樣本細粒度圖像條件下數據的結構化表征和有效分類，3篇文章投稿至《IEEE Transactions on Pattern Analysis and Machine Intelligence Transactions 》、《IEEE Transactions on Image Processing》、《Pattern Recognition》等中科院一區TOP期刊。 

發明授權專利：

[1]章為川, 孔祥楠, 楊婷婷. 基于各向異性高斯方向導數濾波器提取圖像粗邊緣的方法[P]. 陜西省: CN104376564B, 2018-04-24.

[2]章為川, 楊婷婷, 顧梅花. 一種基于各向異性高斯核提取封閉邊緣圖像輪廓的方法[P]. 陜西省: CN104376319B, 2018-03-23.  

發明公開專利： 

[1]路艷, 文思佳, 雷濤, 萬永, 杜曉剛, 章為川, 梁挺. 基于級聯并行CNN-Transformer和全擾動的半監督醫學圖像分割方法[P]. 陜西省: CN117456177A, 2024-01-26.

[2]章為川, 孔祥楠, 楊婷婷. 基于各向異性高斯方向導數濾波器提取圖像粗邊緣的方法[P]. 陜西: CN104376564A, 2015-02-25.

[3]章為川, 楊婷婷, 顧梅花. 一種基于各向異性高斯核提取封閉邊緣圖像輪廓的方法[P]. 陜西: CN104376319A, 2015-02-25. 
 

 

 

代表性英文期刊論文 (* 代表通訊作者) 

[1] Weichuan Zhang*, Changming Sun, Yongsheng Gao (2023)：Image intensity variation information for interest point detection, IEEE Transactions on Pattern Analysis and Machine Intelligence. (CCF -A, JCR 一區TOP 期刊, IF=24.31). 

[2] Junfeng Jing, Tian Gao, Weichuan Zhang*, Yongsheng Gao, Changming Sun (2023): Image feature information extraction for interest point detection: A comprehensive review. IEEE Transactions on Pattern Analysis and Machine Intelligence. (CCF -A, JCR 一區TOP 期刊, IF=24.31) 

[3] Weichuan Zhang, Yali Zhao, Yongsheng Gao, Changming Sun (2023)：Re-abstraction and perturbing support pair network for few-shot fine-grained image classification, Pattern Recognition. (CCF-A, JCR 一區 TOP 期刊, IF= 8.518) 

[4] Weichuan Zhang*, Changming Sun (2021): Corner detection using second-order generalized Gaussian directional derivative representations, IEEE Transactions on Pattern Analysis and Machine Intelligence. (CCF -A, JCR 一區TOP 期刊, IF=24.31) 

[5] Weichuan Zhang*, Changming Sun (2020): Corner detection using multi-directional structure tensor with multiple scales, International Journal of Computer Vision. (CCF-A, JCR 一區 TOP 期刊, IF=11.54) 

[6] Weichuan Zhang*, Changming Sun, T. Breckon, N. Alshammari (2019): Discrete curvature representations for noise robust image corner detection, IEEE Transactions on Image Processing. (CCF-A, JCR 一區 TOP 期刊, IF=10.860) 

[7] Baoqiang Ma, Jiapan Guo, Tian-Tian Zhai, Arjen van der Schaaf, Roel J. H. M. Steenbakkers, Lisanne V. van Dijk, Stefan Both, Johannes A. Langendijk, Weichuan Zhang, Bingjiang Qiu (2023): CT-based deep multi-label learning prediction model for outcome in patients with oropharyngeal squamous cell carcinoma, Medical Physics. (IF=4.506) 

[8] Junfeng Jing, Shenjuan Liu, Gang Wang, Weichuan Zhang*, Changming Sun (2022): Recent advances on image edge detection: A comprehensive review, Neurocomputing, Volume 503, Pages 259-271. (CCF -A, JCR 二區期刊, IF=5.779). 

[9] Junfeng Jing, Chao Liu, Weichuan Zhang, Yongsheng Gao, Changming Sun (2022): ECFRNet: Effective corner feature representations network for image corner detection, Expert Systems with Applications, 118673. (CCF -A, JCR 二區期刊, IF=6.954). 

[10] Mingzhe Wang, Weichuan Zhang, Changming Sun*, and Arcot Sowmya (2020): Corner detection based on shearlet transform and multi-directional structure tensor. Pattern Recognition. (CCF-A, JCR 一區 TOP 期刊, IF= 7.74). 

[11] Weichuan Zhang*, Yali Zhao, Breckon Toby, Long Chen (2017): Noise robust image edge detection based upon the automatic anisotropic Gaussian kernels, Pattern Recognition. (CCF-A, JCR 一區 TOP 期刊, IF=8.518). 

[12] Weichuan Zhang*, Peng-Lang Shui (2015): Contour-based corner detection via angle difference of principal directions of anisotropic Gaussian directional derivatives, Pattern Recognition. (CCF-A, JCR 一區 TOP 期刊, IF=8.518). 

[13] Peng-Lang Shui*, Weichuan Zhang (2013): Corner detection and classification using anisotropic directional derivative representations, IEEE Transactions on Image Processing. (CCF-A, JCR 一區 TOP 期刊, IF=10.860). 

[14] Weichuan Zhang*, Fu-Ping Wang, Lei Zhu, Zuo-Feng Zhou (2014): Corner detection using Gabor filters, IET Image Processing, 8(11):639-647. (Impact factor is 2.373) 

[15] Peng-Lang Shui*, Weichuan Zhang (2012): Noise-robust edge detector combining isotropic and anisotropic Gaussian kernels, Pattern Recognition. (CCF-A, JCR 一區 TOP 期刊, IF=8.518). 

代表性會議論文 

[1] Mohsin Challoob, Weichuan Zhang, Yongsheng Gao (2023): A Modulatory Elongated Model for Delineating Retinal Microvasculature in OCTA Images. The Medical Image Computing and Computer Assisted Intervention Society. (CCF-A, TOP會議). 

[2] Liao Y, Weichuan Zhang, Gao Y (2022): ASRSNet: Automatic Salient Region Selection Network for Few-Shot Fine-Grained Image Classification[C]//Pattern Recognition and Artificial Intelligence: Third International Conference, ICPRAI 2022, Paris, France, June 1–3, 2022, Proceedings, Part I. Cham: Springer International Publishing, 2022: 627-638. (CCF-B). 

代表性在審稿論文 

[1] Weichuan Zhang, Yali Zhao, Yongsheng Gao*, Changming Sun (2022) Re-harvesting feature information in convolutional neural networks for few-shot fine-grained image classification, IEEE Transactions on Pattern Analysis and Machine Intelligence. 在審 (CCF- A, JCR 一區 TOP 期刊, IF= 24.31) 

[2] Weichuan Zhang, Jiapang Guo, Yongsheng Gao*, Changming Sun (2022): MIGDRNet: Multiple Independent Gaussian Distribution Representations Network for Few-Shot Fine-Grained Image Classification, IEEE Transactions on Pattern Analysis and Machine Intelligence. 在審 (CCF- A, JCR 一區 TOP 期刊, IF= 24.31) 

[3] Weichuan Zhang, Jie Ren, Yongsheng Gao*, Changming Sun (2022): Feature Representation Learning for Few-Shot Fine-Grained Image Classification: A Review, IEEE Transactions on Image Processing. 在審(CCF-A, JCR 一區 TOP 期刊, IF=10.860).  

發表中文期刊論文：

[1]盧錦, 馬令坤, 呂春玲, 章為川, Sun Chang-Ming. 基于代價參考粒子濾波器組的多目標檢測前跟蹤算法[J]. 自動化學報, 2024, 50 (04): 851-861.

[2]于文雅, 任劼, 章為川, 魯磊. 二階各向異性高斯導數濾波器的斑點檢測算法[J]. 光電子技術, 2024, 44 (01): 72-77.

[3]王凱, 任劼, 章為川. 基于Swin Transformer的圖神經網絡小樣本圖像分類算法[J]. 激光與光電子學進展, 1-16.

[4]解耀華, 章為川, 任劼, 景軍鋒. 基于自適應特征融合的小樣本細粒度圖像分類[J]. 計算機工程與應用, 2023, 59 (03): 184-192.

[5]朱新源, 任劼, 章為川. 基于注意力機制的雙度量小樣本圖像分類算法[J]. 國外電子測量技術, 2022, 41 (08): 34-38.

[6]李婉婉, 任劼, 章為川, 常楠楠. 基于多尺度二階廣義高斯方向導數濾波器角點檢測算法[J]. 長江信息通信, 2022, 35 (03): 54-58.

[7]景軍鋒, 孫久銳, 章為川, 白萌萌. 基于多尺度離散曲率的圖像角點檢測方法[J]. 西安工程大學學報, 2021, 35 (05): 27-33.

[8]李寧, 景軍鋒, 章為川, 白萌萌, 孫久銳. 基于多方向結構張量積的快速角點檢測算法[J]. 激光與光電子學進展, 2021, 58 (20): 394-404.

[9]景軍鋒, 李寧, 章為川. 基于多尺度多方向Gabor濾波器的角點檢測[J]. 西安工程大學學報, 2021, 35 (03): 36-43.

[10]王天賦, 任劼, 章為川, 晁凱. 基于多尺度各向異性高斯核主方向角度變化的角點檢測[J]. 長江信息通信, 2021, 34 (05): 32-35.

[11]白萌萌, 景軍鋒, 章為川, 孫久銳. 邊緣輪廓上基于CPDA的圖像角點檢測[J]. 西安工程大學學報, 2021, 35 (02): 29-34.

[12]李云紅, 何亞瑞, 章為川, 周小計. 利用點弦距離遞歸的圖像角點檢測算法[J]. 中國圖象圖形學報, 2019, 24 (07): 1148-1159.

[13]張曉丹, 劉貴忠, 張志禹, 朱磊, 郭華, 章為川. 多尺度高階FDTD逆時偏移在煤田地震勘探中的應用[J]. 煤炭學報, 2018, 43 (11): 3169-3177.

[14]李云紅, 王珍, 張凱兵, 章為川, 閆亞娣. 基于學習的圖像超分辨重建方法綜述[J]. 計算機工程與應用, 2018, 54 (15): 13-21.

[15]盧錦, 王鑫, 章為川. 基于代價參考粒子濾波的存在概率檢測算法[J]. 電子學報, 2017, 45 (06): 1498-1505.

[16]趙亞利, 章為川, 李云紅. 圖像邊緣輪廓自適應閾值的角點檢測算法[J]. 中國圖象圖形學報, 2016, 21 (11): 1502-1514.

[17]章為川, 孔祥楠, 宋文. 圖像的角點檢測研究綜述[J]. 電子學報, 2015, 43 (11): 2315-2321.

[18]楊婷婷, 顧梅花, 章為川, 馬蒙蒙. 彩色圖像邊緣檢測研究綜述[J]. 計算機應用研究, 2015, 32 (09): 2566-2571.

[19]章為川, 張智, 趙強, 高燚. 基于各向異性高斯方向導數濾波器的角點檢測[J]. 西安工程大學學報, 2014, 28 (04): 491-495.

[20]朱磊, 水鵬朗, 章為川. 抑制SAR圖像相干斑的迭代方向濾波算法[J]. 電子與信息學報, 2014, 36 (01): 220-227.

[21]王俊青, 章為川, 王富平, 陳美榮. 使用多弦長曲率多項式的角點檢測算法[J]. 計算機應用, 2013, 33 (08): 2313-2316+2354.

[22]章為川, 水鵬朗, 徐國靖. 邊緣線上各向異性高斯核信息熵的角點檢測[J]. 西安電子科技大學學報, 2013, 40 (04): 119-124+129.

[23]朱磊, 水鵬朗, 章為川, 周忠根. 利用區域劃分的合成孔徑雷達圖像相干斑抑制算法[J]. 西安交通大學學報, 2012, 46 (10): 83-88+100.

[24]章為川, 水鵬朗, 朱磊. 利用各向異性高斯方向導數相關矩陣的角點檢測方法[J]. 西安交通大學學報, 2012, 46 (11): 91-97.

[25]章為川, 程冬, 朱磊. 基于各向異性高斯核的多尺度角點檢測[J]. 電子測量與儀器學報, 2012, 26 (01): 37-42.

[26]朱磊, 紀愛燕, 章為川. McBSP與常用串行接口通信兼容方案設計[J]. 電子測量技術, 2011, 34 (05): 111-115.

[27]章為川, 戴如意. 基于小波的圖像去噪及壓縮[J]. 電腦知識與技術(學術交流), 2007, (13): 184-185+207.

[28]章為川,樓新遠,戴如意. 基于MPEG-4的數字視頻監控系統在銀行中的應用[J]. 臺聲.新視角, 2005, (01): 189-190.

 

資料更新中…… 

學術報告： 

[1] “Have we thoroughly considered how to detect image points?”, 澳大利亞格里菲斯大學, April 2022. 

[2] “Image interest point detection”, 澳大利亞科學與工業研究院, Dec 2021. 

[3] “Discriminative Representation Learning for Fine-grained Image Classification”, 澳大利亞科學與工業研究院, Sep 2020.

——記陜西科技大學電子信息與人工智能學院教授章為川

2024-05-11　

 

從浙江到西安，從英國到澳大利亞，2023年秋，歷經十數年輾轉求索，章為川扎根陜西科技大學（簡稱“陜科大”），繼續攀登“極致科研”的高峰。在這里，他欣喜地發現，以輕工科學為特色的陜科大有著活躍的科研氛圍、深沉的學術底蘊。“我愿扎根三秦大地，把十余年來的科研積淀和未來的研究成果全部奉獻給一方百姓。”章為川深情地說。

從圖像中提取不同的特征信息用來處理興趣點檢測等不同的計算機視覺或圖像處理任務，是章為川的主要研究領域。十余年來，為攻破心中關于圖像興趣點檢測的疑問，他不懈追尋，最終用完整的數學推導及從中總結得到的興趣點特性向世人證實了基于Harris算法和SIFT算法的理論架構存在重大缺陷；通過幾十余篇頂刊論文，他與合作者以愚公移山的精神和實踐，撼動了長期以來被廣泛寫在計算機視覺和圖像處理教科書中的“共識”，在解決“圖像興趣點特征信息提取及檢測”領域的相關技術和理論瓶頸問題中作出了重大貢獻。 

“讀萬卷書，行萬里路” 

20世紀80年代，章為川出生于鐘靈毓秀的浙江“南大門”——蒼南縣藻溪鎮，沐浴著文化新風，他自由成長。“我父母非常開明，對我的學習成績不做嚴格要求。在讀高中之前，我最大的愛好就是看書。從最初的小人書，到抗日戰爭相關的書籍，再到武俠、歷史、傳記、藝術、哲學等書籍，我把零花錢幾乎都花在了買書上，并且把周邊能借到的書籍盡可能都借了個遍。”讀書讓章為川感到快樂和充實。從書中的大千世界，章為川汲取了豐富的養料，鍛煉了敏捷的思辨能力，“讀萬卷書，行萬里路”“盡信書，不如無書”“紙上得來終覺淺，絕知此事要躬行”等名言更對他日后的科研生涯產生了深遠影響。

1999年，章為川考入成都理工大學，就讀電子信息專業。他敏銳地感受到中國通信事業將迎來二次騰飛。時至今日，章為川仍記得當年各個新聞報道里都在說，全球已進入電子信息時代，作為正攻讀相關專業的學子，他認真思考著，如何才能把電子信息學好。“在跟老師同學深入討論，以及自己在學校圖書館里查閱了相關書刊之后，我發現要想學好電子信息專業，歸根結底還是學好數學。”于是本科階段，章為川除了學習教學規劃內的數學課程之外，還自學了泛函、數論、小波分析、凸優化、數學建模等豐富的數學知識。這些積累為他后面興趣點檢測理論架構的建立提供了厚實的基礎和保障。

2003年大學畢業，章為川入讀西南交通大學，師從樓新遠教授開展信號與信息處理方向的研究。“3年里，我在科研上‘天馬行空’，雖然樓教授把我絕大多數的想法都駁回了，但他會耐心地解釋我想法上的邏輯缺陷，培養了我的科研邏輯思維。”2009年，章為川又北上攻讀西安電子科技大學博士研究生，在雷達信號處理國家重點實驗室師從水鵬朗教授繼續研究信號與信息處理。在導師的影響下，他樹立了將科研做到極致的信念，確立了更遠大的目標。因此，2013年以來，章為川一邊在西安工程大學任職，一邊懷揣“出國是為了回國”的初衷，繼“讀萬卷書”之后，又開啟了“行萬里路”的征程。他先后前往英國的伯恩茅斯大學、杜倫大學，澳大利亞的聯邦科學與工業研究組織（CSIRO）、格里菲斯大學開展訪問交流和研究。

有了國內的研究基礎，章為川在信息科學領域“登堂入室”，2015年到2023年，8年間的海外科研可以說是章為川深入探索、成果井噴的階段。在這一時期，他收獲了代表性成果，也遇到生命中的貴人，不僅提升了認知寬度和認知高度，也深受這些優秀科學家的精神品格的觸動和影響。

在澳大利亞從事博士后研究時，章為川有幸進入聯邦科學與工業研究組織首席研究科學家孫長明的課題組。“一進組，孫博士就問我想做什么研究，我毫不猶豫地回答，想在自己的領域做出最好的工作，并把成果發表到全球人工智能和計算機視覺領域的頂刊《IEEE模式分析與機器智能匯刊》（T-PAMI）上。”孫長明聽后，露出贊許的目光，笑道：“好好，讓我們一起努力！”孫長明為章為川打開了頂級科研的通道，幾乎對這位博士后的研究習慣進行了一次重塑。“比如，如何思考問題、如何解決問題。而且，他對我要求非常嚴格，包括論文中微小的標點符號和格式上的錯漏都不可以出現。”在高標準下，章為川刻苦鉆研，與孫長明始終保持緊密合作關系，陸續在圖像興趣點檢測領域做出了一系列國際領先的具有原創性的成果。相關論文不僅獲得《IEEE模式分析與機器智能匯刊》、《計算機視覺國際期刊》（IJCV）和《IEEE圖像處理匯刊》（T-IP）等期刊的收錄，在《IEEE模式分析與機器智能匯刊》上更是發表了3篇文章，超預期實現了當初的目標。

 

章為川的另一段重要研究經歷，是在格里菲斯大學的工程與建筑環境學院做了接近4年的研究員。課題組的主管負責人是高永晟教授，他是一位具備全球視野和格局的科學家。在他的帶領下，章為川進入了一個全新領域——植物病蟲害檢測及分類。“在高教授的引導下，我與他合作在植物病蟲害檢測及分類、醫學圖像處理、可解釋性深度學習網絡設計領域做出了一系列原創性成果。”相關工作成果獲得《IEEE模式分析與機器智能匯刊》、《模式識別》（PR），以及醫學圖像分析領域國際公認的最具影響力的學術會議——醫學圖像計算與計算機輔助干預國際會議（MICCAI）的收錄。這段特殊的科研經歷，也讓章為川學會了在遇到全新課題時如何思考并解決，積累了更加從容應對新挑戰的信心和勇氣。

如今在工作中，章為川經常對學生說這樣的話：“科學研究不可以總是做跟隨性研究，一定要沉住氣、靜下心，在前沿領域持續開展原始創新。”他認為，基礎理論的原始創新研究雖然在短期內無法產生任何經濟效益，甚至有些基礎理論研究看不到在工業生產領域的價值，但必須承認，恰恰是基礎理論研究制約了許多國家的科研和工業現代化的發展。所以，這些年他始終秉持著最初的理念，不懈深耕于其中。 

十年磨一劍，錘煉極致科研 

“來到陜科大后，我發現電子信息與人工智能學院的科研基礎與我的研究方向十分契合，這里現有中國輕工業清潔生產自動化與信息化重點實驗室、陜西省人工智能聯合實驗室、陜西省平板顯示技術工程研究中心、人工智能與微系統未來產業創新研究院等省部級教學科研平臺，對我們團隊日后的研究十分有利。”章為川興奮地說。

圖像興趣點檢測是章為川很早就關注的方向。學界通常把角點和斑點歸為興趣點，分別用水平和豎直方向的圖像一階導數和二階導數信息來檢測角點和斑點。這兩個算法幾乎成了興趣點檢測器的標準算法，被寫入各種各樣的計算機視覺和圖像處理的教科書，廣泛運用于不同的計算機任務中，且現有基于深度學習網絡的興趣點檢測算法大多也是基于Harris算法或SIFT算法的理論架構而設計。相關基礎理論猶如兩座大山，難以撼動。

早在2013年時，章為川已敏銳地從實驗中發現圖像水平和豎直方向的一階導數和二階導數信息用來檢測角點和斑點的理論架構存在問題，也曾試著跟人討論，“但對方聽了我說的話之后直接勸我放棄這個幼稚且不切實際的想法，畢竟只有完整的數學推導并從中總結得到的興趣點特性才能向世人證實這兩個基本理論架構存在重大缺陷”。為建立離散曲率解析表達式，章為川和他的合作者孫長明曾經整整花了5個多月，用了2000多張A4紙去證明長期以來本科高等數學教材中的離散曲率計算公式存在的重大理論缺陷，并提出了新的離散曲率計算公式。“我們要得到的不是近似解，而是閉式解，但很多式子按照常規解題思路無法繼續推導得到，需要用到大量的數學運算技巧，導致運算復雜度非常高。有時候，我們要花一周甚至兩周才能讓離散曲率解析式往前推動一步。”過程中，章為川面臨的最大問題就是變量繁多，在連續5個多月的數學推導過程中，不可以犯任何的書寫和運算錯誤，完全是對一個人毅力和耐力的重大考驗，幸好在孫長明的鼓勵下，他堅持了下來。之后，文章在《IEEE圖像處理匯刊》順利發表，對后續的科研成果被頂刊《IEEE模式分析與機器智能匯刊》《計算機視覺國際期刊》錄用鋪墊了良好開端。

2023年8月章為川回國前夕，更成熟的研究成果發表在《IEEE模式分析與機器智能匯刊》。文章中寫道：“盡管文獻中已經有很多關于興趣點檢測的文章，但我們總是有一個疑問：我們是否充分考慮過如何利用灰度變化信息來檢測圖像中的興趣點？我們的主要問題如下：我們是否充分考慮過如何準確地獲取圖像的一階或二階導數信息來檢測興趣點？我們是否充分考慮過角點和斑點之間的特征差異？我們是否充分考慮過如何準確地檢測圖像中的角點和斑點？我們的研究表明，現有的興趣點檢測方法存在兩個主要問題：一是從來沒有人解釋如何準確地從圖像中提取灰度變化信息來檢測興趣點，無論是角點還是斑點；二是從來沒有人從數學解析表達式的角度準確解釋角點和斑點之間的特征差異，以及興趣點的幅度響應、比例因子和濾波方向之間的關系。”

經過多年的持續叩問，章為川和孫長明建立了不同的角點和斑點模型，并利用一階和二階廣義高斯（各向異性/各向同性）方向導數濾波器去推導不同角點和斑點的數學解析表達式，并總結角點和斑點的物理屬性，進而對角點和斑點進行了重新詮釋，如：什么是角點，什么是斑點，角點和斑點的聯系和區別，如何從圖像中提取特征信息用于準確描述角點和斑點，如何從圖像中提取特征信息用于準確檢測角點和斑點，圖像水平和豎直方向的一階導數無法用來準確地描述邊緣和角點的特征差異，圖像多尺度水平和豎直方向的二階導數無法用來準確描述斑點和角點的特征差異及準確檢測斑點等。基于角點和斑點的數學解析表達式，他們不僅做出了國際領先的原創成果，而且他們的算法在不同圖像仿射變換條件下具有更穩定的檢測性能，且在圖像配準、3D重建、圖像斑塊檢測、血管內的血斑檢測、植物病蟲害檢測等不同的計算機視覺任務中，相關算法性能指標均比現有算法好，提出的理論架構也能更好地指導深度網絡架構的設計用于圖像興趣點檢測。此外，相關方法和成果還獲得牛津大學、悉尼大學、悉尼科技大學、約翰·霍普金斯大學和捷克理工大學等世界一流高校的學者在多篇論文中的多次引用和高度評價。

一心想做極致科研的章為川，十年磨一劍，在解決“圖像興趣點特征信息提取及檢測”領域的相關技術和理論瓶頸問題中作出了重大貢獻，實現了一直以來的心愿。 

產學研聯動，服務國計民生 

閱遍千山萬水，赤子情懷未變。“2015年，我懷著沉重的心情，游覽了大英博物館，看到本應屬于祖國的珍貴文物被異國搶掠并堂而皇之展出，一瞬間仿佛夢回那個動蕩屈辱的時代，內心震動。也是在那一瞬，我更加理解國強才能民安的內涵和重要性。這些年在國外，我時刻關心著國內動態，脫貧攻堅、鄉村振興，以社會主義制度為基礎的減貧模式不斷取得新成就、創造新奇跡，我由衷地感到驕傲和開心，也督促自己更努力，希望科研豐收之際趕緊回國，跟大家一起把祖國建設得更美好。”

志相合者，不以山海為遠。2023年秋天，已是格里菲斯大學首席研究員的章為川，帶著在圖像局部特征提取設計、局部特征數學解析表達式的構建、圖像壓縮、圖像分割、小樣本細粒度圖像分類等理論方法研究與應用系統設計領域發表的80余篇論文成果（其中《科學引文索引》（SCI）論文31篇、《美國工程索引》（EI）論文30余篇）毅然回國，加入陜科大。這是一場令人欣喜的雙向奔赴，“我給國內好幾所高校都投遞了簡歷，但唯有陜科大的電子信息與人工智能學院的呂文華書記和馬令坤院長在不到一周的時間內就把所有流程都幫我辦理完畢，他們的誠意讓我無法拒絕”。陜科大強烈的愛才惜才之心和硬核的人才引進政策，促成了章為川第三次留在西安，并堅定扎根三秦大地、產學研聯動促發展的決心。

2023年9月，章為川團隊聯合青島認知人工智能研究院提出了一個注意力再注意力的非線性變換端到端網絡架構來代替線性變換作為圖像和視頻壓縮的主體架構。相關成果很好地應用于浙江某銀行業務單據壓縮工作中。據統計，這個銀行在浙江省有支行82個，有網點約4000個，平均每個支行每天產生的業務流水單據圖片數據量約20GB。總行擬對浙江省82家支行業務流水單據進行統一管理，通過對這些業務單據數據進行壓縮，降低支行到總行的傳輸帶寬投入，以及總行的存儲設備投入。預計，這一技術應用以后，每年將為相關銀行直接節省成本1217萬元；此外，章為川團隊還聯合西安捷達測控有限公司提出了一個多尺度特征融合的網絡架構用于陜西省安康市永久性農田的SAR圖像變化檢測方案，相關算法的準確率達80%以上；同時，章為川還帶領團隊聯合西安交通大學第一附屬醫院神經外科，對腦膠質瘤患者術前的腫瘤進行定位及腫瘤級別進行分類，對術后患者生存期預測進行建模。

在陜科大的大力支持下，章為川領銜的圖像計算實驗室團隊，現已有5名教師和15名研究生。課題涉及圖像壓縮、醫學圖像分析與處理、興趣點檢測及圖像配準、3D重建，以及相關技術在無人駕駛中的運用等。過往的經歷造就了章為川開明負責的育人觀，他說：“我作為團隊的負責人，有責任和義務把團隊成員培養好，讓他們都能茁壯成長。我們每一次的課題討論都是開誠布公的平等對話，因為我認為沒有人可以逼迫別人做他們不喜歡做的事。只有設身處地想成員所想，為他們謀機會、謀成長，團隊才會更快更好地向前奔跑。”

這些年，輾轉國內外多地求學探索，章為川始終沒有放棄小時候的愛好。工作之余，他最喜歡的仍是閱讀，家中萬余本藏書已經讓他實現了少年時與書為伴的心愿。不知疲倦的閱讀壘砌起章為川登高的階梯，也使他相信，一名優秀的計算機視覺和圖像處理領域的人才，除了要對本領域的知識了然于胸，擁有扎實的數學基礎、代碼編程和文章書寫能力外，還必須具備深邃前瞻的洞察力，了解自己的研究領域存在的問題、解決的方法、未來的去路。“還有一點不可忽視的因素，就是要具備強大的抗壓力。我認為這在很大程度上決定了一個人的發展高度。”因此，在閱讀之外，為鍛煉身體、保持干勁、排解壓力，章為川已經連續十余年，不論刮風下雨，每天跑步5公里。

未來，章為川希望在奮力打造優質團隊、培育創新人才的同時，繼續堅守原始創新、前沿創新的信念做研究，并尋找更多產學研合作機會，讓已有的學術成果盡快落地，服務國計民生，為祖國建設添磚加瓦,為民族復興鋪路架橋。

來源：科學中國人 2024年第4期  封二人物